检测大量数据中的微弱和罕见影响是许多现代数据分析问题的根源。已知结果表明，在这种情况下，统计推断的潜力受到这些问题固有的大规模多重测试的严重限制。这里，我们表明，当信号中存在可以利用的结构时，基本上更强大的统计推断是可能的，例如，如果信号聚集在许多小块中，就像某些相关应用中的情况一样。在这种情况下，我们导出了检测边界，其中我们允许块的数量和块的长度随样本大小多项式增长。我们导出了单变量和多变量设置以及网络中检测簇问题的这些结果。这些结果恢复为稀疏信号检测问题的特殊情况(安。统计师。 32（2004）962–994），其中信号中没有结构，以及扫描问题(统计师。西尼卡 23（2013）409–428），其中信号包含单个间隔。我们开发了一种方法，允许在一般情况下进行最佳自适应检测，从而利用存在的结构，而在没有结构的情况下不会产生相应的惩罚。这种方法的优点是相当大的，因为在没有结构的情况下，手段需要以一定的速度增加$\sqrt{<trans\; data-src="log">日志</trans>\mathit{<trans\; data-src="n">n个</trans>}}$以确保检测，而结构的存在允许检测，即使减少以多项式速率。